一、综述本课题国内外研究动态，说明选题的依据和意义

从18世纪60年代，蒸汽机的发明和应用标志着第一次工业革命的开始，意味着人类进入了“蒸汽时代”；到19世纪70年代左右，发电机、电灯、电车等的问世标志着第二次工业革命的产生，意味着人类进入了“电气时代”；到20世纪四五十年代，原子能、电子计算机、航天技术的发明和应用为代表，标志着第三次工业革命的到来，意味着人类进入了“信息时代”。

如今，时光列车早已载着我们进入21世纪的舞台。感受着身边无处不在的网络，我们是否可以认为这又是一个新的时代呢？一个属于“互联网”的时代。置身其中，我们可以真实感受到它所带来的便利。聊天、购物、学习等等，生活方式在悄然中发生着改变。在这个庞大的网络的交织下，我想其中传输的数据无疑是海量的。如果让人去阅读所有的信息，可能终其一生都无法看完。那么我们如何快速获取到自己想要的数据呢？

作为一个享受着互联网所带来便利的成员，我对数据的分析和选择非常感兴趣。我认为大数据其实就是一个藏有宝藏的矿场，它吸引着很多人的目光。如果你能够利用自己的方法和手段从海量数据中分析并提取出有用的信息，想必这是一件非常有价值的事情，同时也是一份令人振奋的工作。但是其中所涉及的算法的复杂度定然是令人生畏的。因此，借助于这次毕业设计的机会，我选择了车牌图像作为对数据处理的一次尝试。

图像虽然仅是海量数据中的一部分，但其中也包含了大量的信息，如：颜色、亮度、景物、文字等。对于车牌图像也是如此，然而其中的很多信息并没有什么实际用处，反而给存储、查找数据等方面的操作带来了很多麻烦。因此，我们需要通过数据处理和分析来得到所需的内容，也就是车牌号码。

车牌是每辆汽车的唯一标识，我国自1994年就开始实施车牌管理制度。如今，随着社会经济的迅速发展，人们生活水平的不断改善和提高，以及科技的不断创新，汽车已成为了人们最常用的交通工具，它给我们的出行带来了很大的便利。与此同时，汽车数量的急剧增长不仅给公路带来沉重的交通压力，而且给汽车的管理也带来很大的难题和挑战。因此，智能交通系统是21世纪道路交通的发展趋势。

智能交通系统是在整个交通运输管理体系中综合运用信息、数据通信、传感器、计算机等技术，从而建立起一种大范围内、全方位发挥作用的，实时、准确、高效的综合运输和管理系统。它可以应用于路桥关口，公路桥梁收费站、公路流量观测站、城市监控站、港口、机场、停车场等场合，提高交通系统中的车辆监控和管理的自动化^[1]。

而车牌识别系统是智能交通系统的重要组成部分，主要包括图像采集、图像预处理、车牌定位、字符分割、字符识别等五个核心部分。具体包括：

1）图像的采集通常是由安装在交叉入口、收费站、停车场等公共场所的摄像头完成。然后通过本地存储或网络传输的方式进行保存。最后将保存的图像信息作为车牌自动识别系统的输入部分；

2）图像预处理主要包括彩色图像灰度化、滤波、直方图均衡化、二值化、膨胀和腐蚀等方法，这需要根据获取到的图像的信息进行合理的选择。从而去除图像中的噪音、雨点、对比度低等问题。

3）常用的车牌定位方法很多，例如：姜滔^[3]采用了基于小波变换的车牌定位方法，谢盛嘉、梁竞敏^[6]采用了灰度二值化后车牌区域跳变频率高的方法，郭娟^[2]采用了基于边缘检测的车牌定位方法，吴隆鑫^[5]采用了基于数学形态学的车牌定位方法等。

其中小波变换的基本思想是通过伸缩、平移等运算把原始信号分解成分辨率、频率特性和方向特性不同的子信号。因此在时域和频域具有良好的局部特性。边缘检测则是利用物体在边缘处灰度会发生剧烈变化的特点来检测图像的边缘，例如：Roberts边缘算子、Sobel算子、拉普拉斯边缘检测等。如何选择合适的算子需要根据环境和要求的差异来决定。数学形态学的定位方法主要用来配合其它方式使用，从而提高车牌定位的速度和准确度。

4）字符分割的方法主要有^[2]：直接分割法、基于识别基础上的分割法以及自适应分割线聚类法；其中直接分割法操作相对简单，但对分割点的准确性要求较高。基于识别基础的分割法对识别的准确性的要求较高。聚类分析切割是以同一个字符的像素构成一个连通域的原则，再结合车牌字符的固定高度、间距、比例等关系，能够较好地解决汽车牌照再复杂背景条件下的字符切割问题，降低了对车牌定位准确性的要求^[15]。

5）字符识别的方法主要有：神经网络分类识别字符、外围轮廓匹配、投影序列特征匹配、基于Hausdorff距离的模板匹配^[6]。其中模板匹配的方式相对简单。只要预先把标准的字符模板存入计算机，然后在需要的时候进行调用判断即可。基于神经网络原理的字符识别相对比较抽象，它采用CCD摄像机拍摄图像，设计实现了一种新硬件电路对视频信号进行预测处理和高速数据采集。并提出了简易快速的算法来进行字符分割、字符规格化和特征提取，能够有效地从相互粘连的字符组成的字符串中提取出单个字符模式^[16]。它具有速度快，学习能力强的优点。

在车牌自动识别系统的仿真和设计过程中，主要使用了Matlab软件。MATLAB 是Matrix Laboratory (矩阵实验室)的缩写, 是MathWorks公司开发的一种功能强、效率高、简单易学的数学软件。MATLAB是一套功能十分强大的工程计算及数据分析软件, 其应用范围涵盖了数学、工业技术、电子科学、医疗卫生、建筑、金融、数字图像处理等各个领域。

MATLAB由一系列工具组成。这些工具方便用户使用MATLAB的函数和文件，其中许多工具采用的是图形用户界面。包括MATLAB桌面和命令窗口、历史命令窗口、编辑器和调试器、路径搜索和用于用户浏览帮助、工作空间、文件的浏览器。Matlab简单的编程环境还提供了比较完备的调试系统，程序不必经过编译就可以直接运行，而且能够及时地报告出现的错误及进行出错原因分析。

MATLAB 配有全面的图像处理工具箱Video and Image Processing, 其功能十分强大, 支持的图像文件格式丰富，它能够有效解决在有噪声和光照条件恶劣情况下车牌的定位、字符倾斜、字符分割提取等复杂问题^[13]。

 

二、研究的基本内容，拟解决的主要问题：

基本内容：

在认真查阅国内外文献并学习理解的基础上，利用Matlab 2017a强大的数字识别计算能力和相关的数字图像处理模块，对采集到的车牌图像进行处理识别，从而准确获取图像中所包含的车牌信息。

 

拟解决的主要问题：

1、首先解决普通蓝牌的识别，完成Matlab识别数字图像的算法，这是本次研究的最基本的问题；

2、完成对不同种类车牌的识别，如：普通蓝牌、普通黄牌以及黑底白字等车牌；

3、完成复杂拍摄条件下车牌的识别，如：车牌的位置倾斜，车牌的对比度低，夜间亮度较低等情况。

 

三、研究步骤、方法及措施

研究车牌自动识别系统主要分为以下几个步骤：

1、首先学习Matlab中的数字图像处理模块和图形界面设计模块，熟悉常用的图像处理函数和简单的界面设计；

2、然后选择普通蓝牌，即蓝底白字的车牌进行识别，其识别过程分为图像的获取、预处理，车牌的定位、分割和识别；

3、在图像的获取时，使用手机拍摄一张水平清晰、光照合适的普通蓝牌照片，作为车牌识别系统的输入部分；

4、在图像预处理时，先把彩色图像转化成灰度图像，然后进行滤波处理，去除图片中的噪音，对于亮度较差等情况，可以通过增强对比度等方式来解决；

5、在车牌定位、分割和识别时，分别选择聚类分析切割字符、基于边缘检测、采用模块匹配的方式；

6、设计用户图形交互界面（GUI），实现点击加载图像、处理图像等按钮，即可完成对车牌的自动识别，并显示其处理后得到的效果图；

7、实现对其它种类车牌的识别，如：黄底黑字、白底黑字等；

8、实现对车牌位置倾斜、夜间环境等复杂条件下的车牌识别；

 

四、研究工作进度：

序号	时间	内容
1	9.25-9.28	明确课题主要任务
2	9.29-10.12	查阅文献、完成文献综述
3	10.13-10.26	提出相关的研究方案，并完成外文翻译和开题报告
4	10.27-11.09	完成相应的算法和程序编写，准备中期检查
5	11.10-11.30	完成车牌识别软件的调试、开发
6	12.01-12.15	撰写论文，资料整理，准备答辩
7	12.15-12.31	小组预答辩，修改、完善
8	1.01-1.10	答辩